下面这张，是我见客户前 10 分钟跑出来的东西。
时间轴、可能的案由、对方会怎么打、要向客户要哪几份证据、预期结果区间——都在上面。
而在跑之前，我对这个领域一无所知。
先说清楚这是个什么案子上篇文章里我说过，律师最犯怵的不是最复杂的案子，是自己没做过的领域。复杂的案子你至少知道难在哪，陌生的案子你连该查什么都不知道。
这次就撞上了。
朋友转介绍，浙江一个劳动争议：员工被公司单方解除，公司说是"严重违反规章制度"，员工说是公司要裁人找的借口。入职三年，中间换过一次岗，工资条和银行流水对不上。材料十几份，微信发过来的，下午三点见面。
我不做劳动争议。放在以前，这种就是"算了，不接"。
开跑之前：一次性的准备上篇讲的就是这一步——WorkBuddy 装好、Devnors 数据的 key 配进去。这是一次性的，配一次以后都不用再管。没配的可以先去看上篇，配置全过程都在里面：
怎么安装看这里： https://www.toutiao.com/article/7683720104151925267/****
为什么非得接这个数据？下面第五节我会做一个对照实验，你看完就明白了。
第 1 步：先把事实理成一条时间轴材料是乱的，脑子也是乱的。第一件事不是分析，是排序。
我的输入：
这是一起劳动争议的全部材料。请把所有能确定日期的事实按时间顺序排成一条时间轴，每条注明：日期、发生了什么、出自哪份材料。日期不明确的单独列一栏，标注"待核实"。不要做任何法律分析。
最后那句"不要做任何法律分析"很重要。这一步只要事实，让它分析它就开始发挥了。
跑完我才发现，解除通知的落款日期和公司提交的考勤记录对不上——差了四天。这个点是我自己翻材料翻不出来的。
第 2 步：这案子到底是个什么法律关系
基于上面的时间轴，列出本案可能成立的 2-3 个争议焦点。每个焦点请给出：需要满足的构成要件、目前材料里支持它的事实、目前缺失的事实。按可能性从高到低排。
跑出来三个：违法解除的赔偿金、岗位调整是否合法、加班费。
对老手来说这是常识，但对我这种第一次碰的人来说，这一步等于有人给我画了张地图。我终于知道接下来该查什么了。
第 3 步：我方主张 + 对方会怎么打
分别站在劳动者和用人单位的立场，各列一份主张清单。劳动者一栏写：可以主张什么、依据哪一条。用人单位一栏写：最可能提出的抗辩是什么、需要什么证据支撑。
这一步的价值不在"我能要什么"，在对方会拿什么打我。见客户的时候，能把对方的牌先摆出来，客户对你的信任度是不一样的。
第 4 步：类案检索——这才是 Devnors 的主场前面三步，任何一个大模型都能给你个八九不离十的框架。但框架不等于答案。
同样是违法解除，在浙江，仲裁委和法院实际怎么判？ 这个问题模型答不了，它只能给你教科书上的标准答案。
所以这一步我走的是接进去的数据：
检索浙江地区近三年、以"用人单位以严重违反规章制度为由单方解除"为争议焦点的劳动争议裁判文书。汇总：支持劳动者的比例、法院最常审查的争议点、用人单位败诉的主要原因。
检索到【47】篇。结论很集中：
-
支持劳动者的占【68%】
-
用人单位败诉，绝大多数栽在同一个地方——规章制度的民主程序和公示环节拿不出证据，而不是员工到底有没有违纪
-
法院普遍会审查：制度是否经过民主程序、是否向该员工公示、解除前是否通知工会这三条，直接决定了我下一步向客户要什么材料。
这就是接数据和不接数据的区别：不接，你知道法律怎么规定的；接了，你知道这个地方的法官实际看什么。
第 5 步：一个小实验——AI 到底会不会编上篇有读者问，为什么非要多接一个数据源，模型自己不能查吗。
我做了个对照，你自己看。
左边，是不接数据，直接问模型"给我几个浙江类似案件的判决"。它给得非常流畅，案号、法院、判决结果一应俱全。
右边，是同一个问题走 Devnors 检索的结果。
模型不是在骗你，它是在补全。你问它要案例，它就按"案例长什么样"生成一个出来，格式完美，内容是空的。
律师这行，一个不存在的案号递上去，是执业事故。
所以顺序必须是：框架交给模型，事实交给数据库。
第 6 步：把它变成一页纸的谈话提纲前面五步跑完，东西已经够了，但不能这么去见客户——没人想听你念分析报告。
把以上内容压缩成一页纸的当事人谈话提纲，面向不懂法律的当事人。包含：我对你这个案子的初步判断（3 句话）、我需要你补充的材料（清单）、可能的结果区间和依据、风险提示。语言口语化，不要法言法语。
下午三点，我拿着这张纸去的。
没有承诺结果，只讲了三件事：你的案子卡在哪、我需要你回去找哪几份东西、以及如果走到仲裁，大概是什么区间。
案子接下来了。
